intTypePromotion=1
zunia.vn Tuyển sinh 2024 dành cho Gen-Z zunia.vn zunia.vn
ADSENSE

Bài giảng Kinh tế lượng - Chương 8: Tự tương quan (slide)

Chia sẻ: Năm Tháng Tĩnh Lặng | Ngày: | Loại File: PPT | Số trang:16

113
lượt xem
4
download
 
  Download Vui lòng tải xuống để xem tài liệu đầy đủ

Tự tương quan là sự tương quan giữa các thành phần của chuỗi các quan sát theo thời gian hay không gian. Trong chương này sẽ trình bày về bản chất và nguyên nhân của tự tương quan, một số khái niệm về lược đồ tự tương quan, ước lượng OLS khi có tự tương quan,... Mời bạn cùng tham khảo để nắm bắt các nội dung chi tiết.

Chủ đề:
Lưu

Nội dung Text: Bài giảng Kinh tế lượng - Chương 8: Tự tương quan (slide)

  1. Chương 8 Tự tương quan I. Bản chất và nguyên nhân của tự  tương quan Tự tương quan: Là sự tương quan giữa  các thành phần của chuỗi các quan  sát theo thời gian hay không gian. Nếu có tự tương quan giữa các sai số  ngẫu nhiên thì  : Cov(Ui, Uj)   0      (i   j)    
  2. Nguyên nhân :    
  3. II. Một số khái niệm về lược đồ tự  tương quan Xét mô hình sau đây với số liệu thời gian : Yt =  1+  2Xt + Ut  ­ Nếu  Ut = Ut­1+ t (­1      1) (a) Trong đó :  t thỏa các giả thiết của mô  hình hồi qui tuyến tính cổ điển : E( t ) = 0          t Var ( t)= 2       t  Cov( t,  t’)=0  (t  t’)    
  4. Thì (a) được gọi là lược đồ tự tương quan   bậc nhất Markov, ký hiệu AR(1) và                      được gọi là hệ số tự tương quan  bậc nhất.  ­ Nếu Ut = 1Ut­1+  2Ut­2 +…+  pUt­p+  t   (b)      (­1    1,…,  p   1) Trong đó :  t thỏa các giả thiết của mô hình  hồi qui tuyến tính cổ điển . Thì (b) được gọi là lược đồ tự tương quan  b  ậc p Markov, ký hi   ệu AR(p).
  5. III. Ước lượng OLS khi có tự tương  quan Xét mô hình : Yt =  1+  2Xt + Ut  (1) V ới      Ut = Ut­1+ t      (­1      1) Nếu dùng OLS để ước lượng (1) thì : ˆ x i y i β2 2 xi Nhưng công thức tính phương sai đã không    còn như trướ   c :
  6. n 1 2 2 xt xt 1 σ 2σ Var( βˆ 2 ) 2 2 ρ 1 2 x t xt x t n 2 xt xt 2 2 n 1 x1 x n ρ 1 2 ... ρ 2 x t xt    
  7. IV. Hậu quả của việc sử dụng  phương pháp OLS khi có tự tương  quan 1. Các ước lượng OLS vẫn là các ước  lượng tuyến tính, không chệch nhưng  không còn hiệu quả nữa. 2. Ước lượng của các phương sai bị chệch  (thường thấp hơn giá trị thực) nên các  kiểm định t và F không còn hiệu lực  nữa. 3. Thường R2 được ước lượng quá cao so  vớI giá trị thực. 4. Sai s   ố chuẩn c   ủa các giá trị dự báo 
  8. V. Cách phát hiện tự tương quan 1. Phương pháp đồ thị ­ Hồi qui mô hình gốc  thu phần dư  et. ­ Vẽ đồ thị phần dư et theo thời gian.  ­ Nếu phần dư phân bố ngẫu nhiên  xung quanh trung bình của chúng,  không biểu thị một kiểu mẫu nào khi  thời gian tăng  mô hình gốc không    có tự tương quan.  
  9. 2. Kiểm định d của Durbin­Watson Xét mô hình hồi qui có tự tương quan  bậc nhất  (Ut = Ut­1+ t      (­1      1) ). ­  Thống kê d. Durbin­Watson : n 2 ( et et 1 ) d t 2 n 2(1 ρˆ ) 2 e t n t 1 et et 1 ρˆ     ρ ρˆ t 2 n 2   là  ước lượng c ủa     và : e t     t 1
  10. Khi n đủ lớn thì :  d   2( 1­  ) Do  ­1       1  nên   0   d   4   = 0 (không có tự tương quan)  d = 2  =1 (tương quan hoàn hảo dương) d=  0  = ­1 (tương quan hoàn hảo âm)  d=4    
  11. * Qui tắc kiểm định d của Durbin­ Watson: 0 dL dU 2 4 ­dU 4 ­dL 4 Có tự  Không  Có tự  tương  có tự  tươn quan  tương  g  dương Không  quan Không  quan  quyết  quyết  âm   định  định
  12. Trong đó DL và dU là các giá trị tới hạn  của thống kê Durbin­Watson dựa vào  ba tham số :   , số quan sát n , số biến  độc lập k’. Ví dụ : Một kết quả hồI qui được cho : Yi = 12.5 + 3.16Xi – 2.15Di (1) n = 20 d = 0.9 Với   =5%, n=20, k’=2, ta có : dL = 1.1  dU =1.54  d = 0.9   [0, dL] nên (1) có tự tương    quan dương.  
  13. Kiểm định Durbin­Watson cải biên : Với mức ý nghĩa 2 , ta có : 0 dU 4 ­ dU 4 Có tự  Không  Có tự  tương  có tự  tương  quan  tương  quan  dươn quan âm   g  
  14. 3. Kiểm định Breusch­Godfrey (BG) Xét mô hình :   Yt =  1+  2Xt + Ut    (1) với  Ut = 1Ut­1+  2Ut­2 +…+  pUt­p+  t  thỏa mãn các giả thiết của mô hình cổ điển  t   Cần kiểm định  H0 :  1= 2=…= p=0  (không có tự tương quan) Bước 1: Ước lượng mô hình (1), thu et. Bước 2: Ước lượng mô hình sau, thu R2 :  et  =  1+  2Xt +   1et­1+  2et­2 +…+  pet­p+ Vt
  15. Bước 3 : Nếu (n­p)R2 >  2 (p)  bác bỏ  H0, nghĩa là có tự tương quan.  • Chú ý : (n­p) chính là số quan sát còn  lạI sau khi lấy trễ đến bậc p, nên có  thể coi (n­p) là số quan sát của mẫu  mớI . Trong Eviews, kết quả kiểm định  BG hiển thị Obs*R­square tức là  (n­ p)R2. • Ví dụ : Hồi qui mô hình (1) rồi dùng    kiểm định BG xem (1) có t   ự tương 
  16. Ta có : Obs*R2 = 0.8397  với p = 0.657 >   =  0.05 nên chấp nhận H0, nghĩa là không có tự  tươ  ng quan.  
ADSENSE

CÓ THỂ BẠN MUỐN DOWNLOAD

 

Đồng bộ tài khoản
4=>1